Atoptima n’a pas donné de nom à son agent IA pour ne pas suggérer qu’il s’agit d’un assistant conversationnel, car c’est bien sa plateforme Galia qui répond. ©Atoptima
La percée de l’IA agentique dans les outils Supply Chain se traduit sous des modalités particulières chez Atoptima, qui annonce l’intégration d’une « IA transverse » au sein de sa plateforme de planification transport Galia. Spécialisé depuis plus de cinq ans dans le développement de solveurs d’optimisation sur différents sujets (transport et tournées, chargement 3D, picking et slotting en entrepôt), Atoptima présente Galia comme un Transport Optimization System (TOS), soit l’interface via laquelle les planificateurs mobilisent ses solveurs pour bâtir des plans optimisés, tant au niveau opérationnel que tactique ou stratégique. Si à partir d’instructions formulées en langage métier, l’agent IA qui vient d’y être introduit peut créer un plan, lancer un calcul, modifier des paramètres ou expliquer un résultat, ce n’est pourtant pas un simple agent conversationnel, prévient la jeune pousse bordelaise. Atoptima fait en effet valoir son intégration au cœur de sa plateforme et sa mobilisation sur l’ensemble du cycle de planification, de la préparation des données jusqu’à l’analyse des résultats.
Le solveur d’optimisation reste maître à bord
L’IA interagit directement avec le solveur d’optimisation, qui reste seul garant du calcul du plan et de sa qualité mathématique. « Notre métier, c’est de calculer la meilleure planification dans le respect de l’intégralité des contraintes métier, et cette responsabilité reste confiée au solveur, explique Adrien Duruisseau, COO d’Atoptima. En revanche, tout ce qui l’entoure peut aller beaucoup plus vite avec l’IA : préparer les données, piloter le moteur, comprendre ses choix, réagir aux imprévus ».
L’agent en question cible trois usages principaux, à commencer par l’explicabilité des choix du solveur au planificateur avant qu’il les valide, pour éclairer les arbitrages, résumer la solution proposée ou signaler d’éventuels points d’attention. Le 2ème relève de la simulation, pour traduire des consignes exprimées en langage métier dans un paramétrage avant de relancer une optimisation, ou demander et comparer des scénarios alternatifs. Enfin l’agent peut fluidifier les problématiques d’intégration de Galia avec d’autres systèmes –ERP, TMS, WMS– pour mettre les données au format ad hoc pour le solveur, ou produire des tableaux de bord de KPI personnalisés. Atoptima mentionne toutefois que dans Galia, l’utilisateur reste libre d’utiliser son propre agent IA grâce un connecteur basé sur le protocole MCP (Model Context Protocol), si le planificateur a déjà développé d’autres initiatives. MR
Auteur :
Maxime Rabiller